一、类脑计算的背景与优势

当前现状：高计算量和能源消耗

人工智能痛点：鲁棒性和泛化能力

类脑智能

类脑计算架构：能效优势

类脑智能优势：计算范式+网络结构+学习理论

展望：脑启发的通用智能

现有人工神经网络战来越多结合商启发理论与技术

二、类脑计算的布局和成果

类脑计算是国家顶层战略规划方向

高端计算芯片的卡脖子问题

类脑团队发展时间线：共建创新联合体，发展类脑生态

类脑创新联合体的积极布局

类脑计算策源地围绕类脑理论、类脑芯片、类脑软件、类脑系统四个子领域，实现前瞻性、体系化布局。以行业应用为牵引，以打造类脑基座为抓手，以建设共性支撑体系为保障，赋能类脑智能生态发展。

研究成果：类脑计算与感知芯片，算法与学习理论区

中国电科下属中电海康集团联合清华大学在全球范围内率先推出了异构融合的类脑计算芯片和类脑互补视觉感知芯片，并在自然杂志发表了封面文章，填补了类脑计算基础理论的空白。

异构融合发展思路

产业化成果：商用类脑芯片

异构融合类脑软件：支持深度学习+脑启算法+脑仿真

在类脑软件方面，突破脉冲神经网络新型智能算子、算子融合等关键技术问题，研发了融合深度学习、脉冲神经网络和脑仿真网络的类脑计算框架，并实现国际先进的12亿神经元规模脑仿真，达成仿真速度1：300，同时发布了高效灵活的脑仿真IDE系统，大幅降低仿真门槛，助力脑科学研究发展。

产业化成果：类脑云平台系统

在类脑系统方面，构建了目前全球规模最大、功能最丰富的异构融合类脑云脑，云脑由1440颗类脑芯片组成，支持自动化部署12亿神经元规模脑仿真模型；基于互联网提供按需可得的类脑云脑算力服务，最大可支持调度千台规模的类脑服务器集群，已实际管理了60台类脑服务器，支撑其类脑研究和人工智能场景业务。

类脑计算赋能农业智能发展

通过现代生物技术、育种大数据与类脑智能的深度融合，中国电子科技南湖研究院联合中国农科院作物科学所、浙江省农科院、浙江农林大学、浙江大学等科研院所，积极探索类脑智能技术在智能育种和精准种植上的应用，助力农业发展和农民增收共富、区域农产品品牌打造。

类脑算法优势：机器人导航场景/SNN动态Mixture-of-Experts

构建类脑生态：大计算平台

从底层硬件设备到上层应用层，基于异构融合框架融合了知识库、算法库、数据库，为类脑计算研究提供了从数据到算法再到应用的全生命周期的共性资源大计算平台，推动类脑计算生态发展。

三、类脑计算与大模型融合

类脑大模型：引入更多脑启发算法与网络结构

“脑启-素问”医疗大模型发布

国内首个类脑医疗大模型“脑启-素问”：引领智能医疗新变革

医疗大模型数据工程

融合国家脑计划类脑知识库数据，为知识感知、知识理解、知识推理、认知知识等推理提供支撑。高质量数据包括书籍、医学对话、论文、病例等，拥有200万篇临床医学文献、100万本医学书籍，深度学习了涵盖200多万医学实体、800万个概念关系的医学知识库。

技术创新-类脑多跳推理

创新的检索框架，借鉴人类大脑中海马体和新皮层的记忆机制，以提高信息检索的效率和准确性。

离线索引阶段

通过开放信息提取技术从文档中构建知识图谱，为在线检索提供坚实的数据基础，性能最高提升了20%。

在线检索阶段

类脑多跳推理模仿人脑的记忆检索过程，LLM从查询中提取一组显著的命名实体，这些实体随后通过检索编码器与KG中的节点链接，然后利用个性化PageRank（PPR）算法来实现基于上下文的检索，并提取最后的答案，它只通过一组用户定义的源节点（即查询节点）在图中分布概率，这使得PPR输出只偏向于查询节点集，模仿海马体从特定部分线索中提取相关信号。

技术创新-从Transformers模型到类脑架构大模型

类脑架构大模型采用转换的方式来获取，将模型对训练数据的需求降低到了从头训练大模型的千分之五。进一步，该模型相比传统的Transformers模型，具备更低的计算和存储开销，具备更强的边缘段潜质。相比于传统模型受到文本窗长度的限制，类脑架构模型是通往无限长序列推理的必要路径。

产品与服务介绍-“脑启-素问R1”

基于“脑启素问“医疗大模型数据工程、训练工程与主要技术积累，融合DeepSeek-R1蒸馏模型垂域训练

合作生态

面向医疗多场景应用，打造类脑计算基础算力集群设施，构建“类脑大模型基座“+”行业数据”=”行业领先大模型“的应用生态，联合合作伙伴，协同推进类脑大模型生态拓展和行业产品落地。

四、电力领域类脑应用

项目介绍-类脑计算技术推动电力场景智能创新

基于十四五发展规划目标纲要，以及国资委未来产业规划，由中国电力科学研究院牵头，中国电子科技南湖研究院、清华大学、中国科学院自动化研究所和北京灵汐科技有限公司等多家机构联合进行电力异构融合类脑计算关键技术研究，从计算硬件、框架、模型、应用生态等方面构建新型电力人工智能计算范式，打造电力类脑计算先导试验区，在技术、产业及应用场景上实现全面突破，形成示范效应，带动类脑计算在各领域中的应用落地。项目总金额达3896万元。

项目背景-电力场景人工智能应用现状

国网公司积极推进人工智能技术创新，建成总部、省侧两级人工智能平台，全面推进输电智能巡检、变电智能巡视、作业智能管控、营销智能客服等"智能+”应用，归集各类图像、语音、文本类样本7300余万张（条），沉淀各专业专用模型总计36类167个，提供图文识别、人脸识别、语音识别、自然语言处理、知识图谱和RPA等六类通用组件服务。

项目背景-电力场景人工智能技术现状

国网公司开展了电力人工智能自主可控平台关键技术研究，完成了国产信创环境下的计算架构、训练框架适配工作，但受制于冯-诺依曼计算体系结构和深度学习范式不足，存在训练效率低、计算安全性差、知识更新难，无法摆脱模型性能对算力、参数的巨大依赖，无法满足电力人工智能应用尤其是边端算力资源受限场景的模型训练及推理性能持续提升需求。

类脑计算范式优势突出

针对传统人工智能计算范式瓶颈，国内外研究机构持续发力类脑计算技术。类脑计算是借鉴脑科学的基本原理，打破冯诺依曼架构束缚，面向人工通用智能（也称类脑通用智能）的新型计算技术，是被国际半导体协会认定的后摩尔时代最有前途的颠覆性计算技术之一。

异构融合技术内涵

电力异构融合类脑计算技术包含两层含义：在计算模型层面，实现以计算机科学为导向的人工神经网络范式和以神经科学为导向的脉冲神经网络范式异构融合；在计算平台层面，实现通用计算CPU算力、密集矩阵计算GPU算力和异步稀疏计算类脑算力异构融合。

异构融合类脑大模型

针对电力行业大模型在神经元、神经网络等层面进行类脑异构融合升级，实现电力视觉、语义、图文大模型在边缘的无损压缩部署，以及电力视觉、图文大模型在端侧无人机和机器人的超低功耗推理部署，大幅降低大模型向边端迁移应用的技术门槛和应用成本。

五、类脑电网智能体

技术原理

类脑智能体是可自主进化的智能体，系统级模仿大脑多脑区分工和协同工作，在感知-规划-行动环路闭环方面具有创新性：降低智能体对大参数模型的依赖，在提升传统智能体系统能耗和算力需求方面具有先进性；具备在电力系统复杂环境自主探索的能力，在复杂任务智能调度方面具有颠覆性。

全景巡视智能体

常检测智能体